未经治疗肿瘤的空间图谱分析可呈现肿瘤免疫结构的整体特征，有助于理解治疗反应。具有免疫活性的小鼠模型对于识别肿瘤发生发展过程中免疫依赖性事件至关重要。要表征这些具有完整免疫系统及相互作用细胞组分的模型，需要采用多重标记分析技术。我们展示了一种基于人工智能的空间蛋白质组学方法，用于研究小鼠癌组织中的肿瘤-免疫互作机制。
采用 Cell DIVE 多重成像技术与 Aivia 人工智能驱动分析相结合，可简化空间蛋白质组学分析流程。该工作流使研究人员能够对肿瘤微环境中各类免疫细胞亚型与肿瘤细胞进行精细表征和空间定位，揭示组织内复杂的相互作用及异质性特征。
本研究探讨了癌症进展与治疗过程中免疫系统与肿瘤细胞之间复杂的相互作用关系。Cell DIVE 多重成像技术能在单张组织切片上检测数十种生物标志物，提供展示各类细胞类型的全组织分子图谱。Cell Signaling Technology 提供的 IHC 验证抗体与 Cell DIVE 完美兼容，可增强组织样本中各类细胞的检测与表型分析。Aivia 软件的整合通过 AI 引导的分割、表型分析和聚类分析简化了空间生物学工作流程。以 4T1 小鼠肿瘤模型为例的研究证实了该空间蛋白质组学工作流程的实用性，揭示了肿瘤内部异质性免疫景观及复杂的空间关系。
通过 Aivia 平台进行 AI 辅助分割与表型分析，我们对 Cell DIVE 多重全组织图像中所有标志物的表达特征进行了系统表征（图 1）。
这篇访谈重点介绍了伦敦帝国学院的 Mica 所产生的变革性影响。科学家们解释了Mica如何改变了游戏规则，扩大了研究的可能性，促进了跨学科合作。他们解释了使用 Mica…
癌症是一种复杂的异质性疾病，由于细胞生长失控而引起。 一个或一组细胞的基因和表观遗传的变化破坏了正常功能，导致细胞自发、不受控制地生长和增殖。
